为什么没有充分的理由使用 Jarque-Bera 测试

机器算法验证 假设检验 分布 卡方检验 拟合优度
2022-04-12 10:21:00

这个问题的灵感来自@whuber 在回答这个关于使用分布式测试的问题时发表的评论。

评论指出,没有任何理由使用[Jarque-Bera 测试]我正在寻找对此的全面探索,我认为这将与其他分布式测试有关。

2个回答

我不是这个主题的专家,但似乎有很多关于这个主题的博客文章甚至出版物

我建议阅读这些内容,但总的来说,当使用小样本以及原始分布为短尾时,该测试似乎有偏差且功效较低。

我认为相反...就正态分布的测试而言,Jarque-Bera 是最透明和最明确的,因为它捕获了偏度和峰度的组合,这是捕获正态分布差异的两个维度. 而且,据我所知,它比正态分布的任何其他测试都做得更好。

有人可能会争辩说,Jarque-Bera 对样本量过于敏感。样本越大,与正态分布的微​​小差异就越具有统计意义。但是,所有此类正态分布检验都是如此。实际上,依赖于 p 值而不是效应大小的整个假设检验都是如此。